Aplikasi Grafologi dari Huruf “t” Menggunakan Jaringan Syaraf Tiruan

Iwan Awaludin, Aulia Khairunisa

Abstract


Graphology is a branch of science which classifies human personality from handwriting. Graphologists observe the patterns of handwriting and compare it with personality class database. Computers can be trained to do the same procedure of human personality classification based on handwriting. The procedure is to perform digital image processing that extracts features from handwriting images. The features will become input for Artificial Neural Network. Neural networks that are already configured with a number of hidden layers, the number of neurons, activation function, and the particular learning algorithm will be able to recognize certain classes of human handwriting, thus his personality. Tested configurations include: changing the number of neurons in the hidden layer of eight to twelve, binary image resizing, changing the activation function, and also changing the learning algorithm. Results of simulation and analysis are also provided.

Grafologi adalah cabang ilmu yang mengklasifikasikan kepribadian manusia berdasarkan tulisan tangan. Cara grafologi mengenal kepribadian manusia adalah dengan mengamati pola-pola tulisan tangan dan membandingkannya dengan basis data kelas kepribadian. Komputer bisa dilatih untuk mengenali pola yang sama dan mengklasifikasikan penulis berdasarkan kelas yang sudah ada. Caranya adalah dengan melakukan pemrosesan citra digital untuk mendapatkan fitur citra yang siap menjadi input bagi Jaringan Syaraf Tiruan. Jaringan Syaraf Tiruan yang sudah dikonfigurasi dengan jumlah hidden layer, jumlah neuron, fungsi aktivasi, dan algoritme belajar tertentu ini dapat mengenali dengan pasti kelas-kelas tulisan tangan manusia yang berelasi dengan kepribadiannya. Konfigurasi yang diujicobakan diantaranya adalah dengan mengubah jumlah neuron di hidden layer dari delapan sampai dua belas buah, mengubah besar citra biner, mengubah fungsi aktivasi, dan juga mengubah algoritme belajar. Hasil simulasi dan analisisnya juga diberikan.


Full Text:

PDF

References


B. Lutfianto, Analisis Tulisan Tangan: Grapho for Succ. Gramedia Pustaka Utama, 2011.

F. Widiastuti, W. Kaswidjanti, and H. C. Rustamaji, “JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK APLIKASI PENGENALAN TANDA TANGAN,” Telematika, vol. 11, no. 1, 2015.

S. Dang and M. K. Mahesh, “Handwriting Analysis of Human Behavior Based on Neural Network,” Int. J. Adv. Res. Comput. Sci. Softw. Eng., vol. 4, no. 9, Sep. 2014.

H. N. Champa and K. R. AnandaKumar, “Artificial Neural Network for Human Behavior Prediction through Handwriting Analysis,” Int. J. Comput. Appl. IJCA, vol. 2, no. 2, pp. 36–41, 2010.

M. Grundland and N. A. Dodgson, “The decolorize algorithm for contrast enhancing, color to grayscale conversion,” University of Cambridge, Technical Report UCAM-CL-TR-649, 2005.




DOI: http://dx.doi.org/10.22146/jnteti.v4i3.159

Refbacks

  • There are currently no refbacks.


Copyright (c) 2016 Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI)

JNTETI (Jurnal Nasional Teknik Elektro dan Teknologi Informasi)

Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik Universitas Gadjah Mada
Jl. Grafika No 2. Kampus UGM Yogyakarta 55281
+62 274 552305
jnteti@ugm.ac.id